Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Conceptos Basicos
Conceptos Basicos
CIENCIA Y TECNOLOGA
RESUMEN
Se analizan los principios de minimizacin de los cuadrados de las desviaciones y de
minimizacin de las desviaciones absolutas como los mtodos matemticos bsicos para el
ajuste de curvas.
Se estudian las caractersticas generales y caractersticas especficas de diferentes
funciones bsicas que pueden ser utilizadas en el modelamiento de datos.
Se analizan los ajustes mejorados en funcin de traslaciones de ejes y cambios de
escalas de las variables de las funciones.
Se define una metodologa matemtico-grfica que utiliza elementos de programacin
no lineal como fundamento matemtico, y la hoja electrnica como herramienta computacional
matemtico-grfica, para lograr las funciones que mejor se ajusten a los datos utilizados.
Se formula una metodologa para lograr el ajuste simultneo de varios conjuntos de
datos afines mediante una nica funcin integradora, que parte del ajuste controlado mediante
curvas independientes.
Se presentan ejemplos explicativos del proceso de ajuste de un conjunto de datos y de
varios conjuntos de datos afines.
Palabras claves: mnimos cuadrados, ajuste de curvas, correlacin, curvas independientes,
curvas integradas, conjuntos convexos, programacin no lineal, asntotas.
1.
INTRODUCCIN
d = y y
Donde:
d:
y :
y:
desviacin
ordenada del dato original
ordenada de la curva de ajuste
Figura 1 Desviaciones.
La minimizacin del sumatorio de las desviaciones cuadradas es el enfoque que
generalmente se ha utilizado para encontrar las curvas o las funciones que mejor se ajustan a
determinados datos.
S = ( y y) 2
i =1
S
=0
x
Tambin se puede minimizar el sumatorio de las desviaciones absolutas, pero su
manejo matemtico se vuelve ms complejo, aunque numricamente tiene un grado de
complejidad similar.
n
S = y y
i =1
S
=0
x
Si las funciones analizadas requieren 2 o ms variables dependientes (no solamente x,
sino x 1, x 2, x 3, ) para su descripcin, el resultado grfico son superficies curvas, en lugar de
curvas tradicionales, en espacios de 3 o ms dimensiones.
Figura 4 Representacin grfica de una funcin de 2 variables, como superficie curva simple.
Indudablemente las superficies curvas de ajuste pueden adquirir geometras mucho
ms complejas, dependiendo de las relaciones entre las variables.
y = f ( x1 , x 2 , x 3 , ..)
n
S = y y
i =1
S
=0
x 1
S
=0
x 2
S
=0
x 3
..
2.
y = Ax+ B
Caracterstica General:
Tiene pendiente constante
Caractersticas Especficas:
Si el trmino independiente B es nulo, la recta pasa por el origen.
y = A x2 + B x + C
Caractersticas Generales:
Tiene 2 ramales que a partir del vrtice se abren en una nica direccin.
La direccin de apertura depende del signo de A ; tiene un valor mximo o mnimo.
Caractersticas Especficas:
Si el trmino independiente C es nulo, la curva pasa por el origen.
Si B y C son nulos, la curva tiene slo valores positivos o slo negativos de
ordenada.
y = A1 x n + A 2 x n1 + A 3 x n 2 + ... + A n x + A n+1
Caractersticas Generales:
Puede tener hasta n-1 ramales crecientes y decrecientes de manera alternada.
Puede tener hasta n-2 valor mximos o mnimos alternado.
El signo que adquiere la funcin cuando y crece hacia el infinito est gobernado
por el signo del coeficiente de la variable con mayor exponente.
Caractersticas Especficas:
Si el trmino independiente An+1 es nulo, la curva pasa por el origen.
y = A e Bx
Caractersticas Generales:
La direccin de crecimiento de la funcin cuando x contina creciendo depende
del signo del coeficiente a.
Caractersticas Especficas:
Para valores positivos de x, con coeficiente positivo del exponente, la funcin
crece en magnitud muy rpidamente;
Para valores positivos de x; con coeficiente negativo del exponente, la funcin
decrece con tendencia a un valor nulo.
y = A log( B x )
Caractersticas Generales:
El crecimiento de la variable independiente provoca un crecimiento amortiguado de
la funcin logartmica.
Caractersticas Especficas:
El producto B.x no puede tomar valores negativos.
funcin potencial se emplea cuando se necesita que una curva que crezca o decrezca ms
rpidamente que la funcin exponencial.
3.
Los datos que se intenta ajustar mediante una curva podran ser representados de
mejor manera por esta ltima si se trasladan horizontal y verticalmente los ejes de referencia
de dicha curva. As mismo, si la escala horizontal y vertical se modifican, podra obtenerse un
mejor ajuste.
a)
0.5x
4.
10
y = 3e x + 4
y = 2e 0.25 x + 4
4x + 2
y=
x+3
x 2 2x + 5
y=
0.25( x 2 + 2)
y = 4e 0.1x + 2
y = 4e 0.25 x + 2
2x + 6
y=
x +1
11
5.
Muchas veces la utilizacin de una sola funcin para encontrar una curva de ajuste es
insuficiente. En ciertas ocasiones puede resultar conveniente combinar distintos tipos de
funciones para lograr el mejor resultado. La combinacin puede ser una suma de funciones, un
producto de funciones, la divisin de funciones, la suma de una constante, etc. En el numeral
anterior ya se hizo uso de algunos de esos artificios.
A continuacin se presentan dos curvas que parten del origen de coordenadas con
pendiente + 1, y luego de un recorrido casi lineal decrecen su magnitud hasta cortar al eje de
las x en la posicin +4.
y = 1.485 x ( e 0.485x 1)
y = x 0.25x 2
12
6.
13
y = A x + B x2
Se buscan valores iniciales para los parmetros de las funciones genricas que se
aproximen a los datos, empleando un grfico auxiliar que monitoree esas funciones, y se
crea una columna con los valores evaluados de la funcin de ajuste escogida. Los valores
de esos parmetros se colocan en las primeras filas de la tabla de modo que sea fcil su
modificacin e identificacin.
Figura 22 Curva de ajuste (lnea punteada) con valores iniciales (A y B), que se aproxima al
grfico generado con los datos originales.
14
Se crea una columna auxiliar que calcule las desviaciones (diferencias de ordenadas entre
los datos reales y la curva propuesta) y una columna con los cuadrados de esas
desviaciones, y se realiza la sumatoria de esos cuadrados. El valor de la sumatoria debe
estar visible en la zona de los valores de los parmetros.
Figura 23 Clculo de las desviaciones (columna D), los cuadrados de las desviaciones
(columna E), y la suma de los cuadrados de las desviaciones (celda B5).
Se introducen pequeos cambios en cada uno de los parmetros (se los aumenta o se los
disminuye ligeramente) para detectar cul de los parmetros provoca una mayor
disminucin de la sumatoria de los cuadrados de las desviaciones.
15
y = 220000 x 52100000 x 2
7.
16
Se escogen una nica funcin genrica (con diferentes parmetros especficos) para ajustar
cada grupo de datos propuestos. Se selecciona aquella funcin que ayude a ajustar la
mayor parte de los grupos de datos, evitando las funciones que slo ajustan un nmero
limitado de grupos de datos.
= A (e B 1) + C
Se ajusta independientemente cada grupo de datos de acuerdo al procedimiento del
numeral anterior.
Las siguientes funciones fueron obtenidas al ajustar curvas esfuerzo-deformacin
2
normalizadas de hormigones de 210, 240, 280, 350, 420 y 490 Kg/cm .
[
]
1) + 0.85[72500 + 10000 240 ]
1) + 0.85[72500 + 10000 280 ]
1) + 0.85[72500 + 10000 350 ]
1) + 0.85[72500 + 10000 420 ]
1) + 0.85[72500 + 10000 490 ]
17
A=
0.5f 'c
3.295 70
10
380f ' c
70
C = 0.85 72500 + 10000 f ' c
B = 490 +
La funcin general con los parmetros especficos ajustados en funcin del parmetro
diferenciador es la curva de ajuste mltiple.
En el ejemplo propuesto, la funcin integradora sera:
= 10
0.5f 'c
3.295
70
70
e
1 + 0.85 72500 + 10000 f ' c
8.
CONCLUSIONES Y RECOMENDACIONES
La obtencin de una funcin matemtica que modele los datos de una investigacin,
una experimentacin o un anlisis puede facilitar la aplicacin del conocimiento.
Para modelar adecuadamente, mediante curvas de ajuste, es necesario identificar las
caractersticas que tienen las diferentes funciones matemticas.
Algunos ajustes de curva pueden lograrse combinando adecuadamente varias
funciones elementales.
18
9.
REFERENCIAS
1.
Fox
J.,
(2002),
Nonlinear
Regression
and
Nonlinear
Least
Squares,
http://socserv.mcmaster.ca/jfox/Books/Companion/appendix-nonlinear-regression.pdf.
2.
Ricketts
P.,
(1996),
Nonlinear
Regression
Analysis
http://engr.nmsu.edu/~etti/fall96/computer/sra/sra.html.
3.
4.
19
on
Spreadsheet,